首席数据官知识体系指南
正版保障 假一赔十 可开发票
￥ 71.79 6.0折 ￥ 119.8 全新
库存79件
广东广州
认证卖家担保交易快速发货售后保障
作者上海市静安区国际数据管理协会编著
出版社人民邮电出版社
ISBN9787115637734
出版时间2024-03
装帧平装
开本16开
定价119.8元
货号15260931
上书时间2024-09-11
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
上海市静安区国际数据管理协会是国际数据管理协会的中国分会，是数据管理和业务专业志愿人士组成的非营利协会，致力于数据管理的研究和实践，以及为数据管理从业人员提供交流平台。
目录
第 一篇 CDO概论 第 1章 CDO是数字时代的产物 2 1.1 CDO的定义 2 1.1.1 首席数字官 2 1.1.2 首席数据官 2 1.2 CDO产生的背景 2 1.2.1 《领导者数据宣言》 3 1.2.2 数据是生产要素 3 1.2.3 数据是数字经济的基础 4 1.2.4 数据管理是数字化转型的前提 5 1.2.5 数据必须从IT中分离出来 6 1.2.6 谁来管理数据 6 1.3 国外CDO发展的状况 7 1.3.1 国外CDO概念的历史由来 7 1.3.2 国外与CDO相关的组织 7 1.3.3 国外与CDO相关的研究和著作 10 1.4 国内CDO发展的状况 11 1.4.1 广东省 11 1.4.2 浙江省 11 1.4.3 江苏省 12 1.4.4 山东省 12 1.4.5 上海市 12 1.4.6 北京市 12 1.4.7 四川省 13 1.4.8 工业和信息化部 13 1.4.9 关于CDO的一些城市级政策 13 1.5 CDO发展的趋势 14 1.5.1 全球CDO调研 14 1.5.2 CDO在我国的发展趋势 15 1.5.3 中美CDO的比较：谁在推动数据管理工作 15 1.6 本章小结 16 第 2章 CDO的主要职责和组织架构 17 2.1 概述 17 2.2 关于首席数据官职责的一些观点 17 2.2.1 美国联邦政府首席数据官委员会的观点 17 2.2.2 isCDO的观点 18 2.2.3 CDOIQ的观点 19 2.2.4 EDMC的观点 20 2.2.5 DAMA的观点 20 2.3 一个示例：美国俄勒冈州交通部CDO招聘 20 2.3.1 职位介绍 21 2.3.2 通用职责/领导职责 21 2.3.3 具体的职责和职务 21 2.3.4 成功的度量指标 24 2.3.5 背景要求和大力度优惠资格要求 24 2.4 首席数据官的主要工作职责 24 2.4.1 管好数据 24 2.4.2 做好转型 25 2.4.3 建好团队 26 2.4.4 CDO职责架构图 26 2.5 首席数据官的汇报路径和组织架构 26 2.5.1 CDO与其他CXO的关系 26 2.5.2 CDO和数字化转型委员会的关系 28 2.5.3 CDO和数据所有者的关系 29 2.5.4 CDO和数据管理专员的关系 29 2.6 本章小结 30 第3章 CDO的推荐技能和个人特质 31 3.1 概述 31 3.2 首席数据官面临的挑战 31 3.3 首席数据官可能担当的角色 32 3.4 CDO的推荐技能（美国联邦政府首席数据官委员会的观点） 34 3.5 CDO的数据能力：数据素养 34 3.6 CDO的业务能力 34 3.7 CDO的技术能力 35 3.8 CDO的团队能力 35 3.9 CDO的战略规划能力 36 3.10 CDO的沟通交流能力 36 3.11 CDO的性格特征 36 3.12 本章小结 36 第4章 CDO的行动指南 37 4.1 概述 37 4.2 国外关于CDO行动计划的一些观点 37 4.2.1 isCDO关于CDO的90天行动计划 37 4.2.2 Gartner关于CDO的100天行动计划 38 4.2.3 CDOIQ关于CDO的90天行动计划 38 4.3 DAMA的CDO行动路线图 40 4.3.1 获得支持并确定具体目标 40 4.3.2 了解组织的数据和技术现状 41 4.3.3 评估组织数据管理能力成熟度 42 4.3.4 制定路线图并设置合理的KPI 44 4.4 本章小结 44 第二篇 管好数据 第5章 数据战略 46 5.1 概述 46 5.1.1 战略是企业的生死大计 46 5.1.2 数据赋予企业的机遇和挑战 46 5.1.3 企业需要有数据战略 47 5.1.4 部分国家或地区的数据战略 48 5.1.5 数据战略的三个必答题 48 5.2 数据战略七要素 48 5.2.1 愿景：企业要成为一家怎样的数据驱动型公司 49 5.2.2 数据文化：将数据思维植入组织文化 50 5.2.3 数据组织：构建业务负责制的数据管理组织 51 5.2.4 业务场景：让数据战略对齐业务战略 51 5.2.5 数据能力：提供制度和流程支撑 52 5.2.6 数据底座：让数据可用、好用 52 5.2.7 行动路线图：数据战略实施路线图 52 5.3 数据战略实施的Y形路径 53 5.3.1 数据战略分析 53 5.3.2 数据战略制定 54 5.3.3 数据战略实施 54 5.3.4 数据战略评估 55 5.4 本章小结 56 第6章 数据治理 57 6.1 概述 57 6.1.1 数据治理的定义 57 6.1.2 数据治理和数据管理的关系 57 6.2 数据治理的驱动因素 58 6.2.1 法规遵从的要求 58 6.2.2 内部管控的要求 58 6.2.3 外部市场的需求 59 6.3 数据治理的核心内容 59 6.3.1 组织人事架构的调整和建设 59 6.3.2 各种规章制度的建设 65 6.3.3 数据管理流程的改造和建设 65 6.4 数据治理的实施指南 65 6.4.1 识别当前的数据管理参与者 65 6.4.2 识别数据治理指导委员会的参与者 66 6.4.3 识别和分析利益相关方 66 6.4.4 让利益相关方参与进来 67 6.5 本章小结 67 第7章 数据制度 68 7.1 概述 68 7.1.1 数据制度的分类 68 7.1.2 企业层面的数据制度分类法 69 7.1.3 企业级管理大纲 69 7.1.4 数据管理办法 70 7.1.5 数据管理维护细则 70 7.1.6 数据管理操作手册 71 7.2 数据制度的主要内容 71 7.2.1 数据制度的核心内容 71 7.2.2 数据要素基础制度 73 7.3 数据制度的修订时机、原则和步骤 74 7.4 本章小结 75 第8章 元数据和数据资源目录 76 8.1 概述 76 8.1.1 元数据和数据资源目录的定义 76 8.1.2 数据管理需要从元数据开始 76 8.2 元数据管理的驱动因素 77 8.3 元数据的核心内容 79 8.3.1 元数据的内容 79 8.3.2 元数据的来源 80 8.4 元数据和数据资源目录实施指南 81 8.5 元数据管理的关键事项 83 8.5.1 目录的完整性 83 8.5.2 元数据的质量 83 8.5.3 组织保障 83 8.5.4 标准和制度 84 8.5.5 反馈机制 84 8.5.6 元数据管理是一项长期工程 84 8.6 主动型元数据管理 84 8.6.1 什么是主动型元数据管理 84 8.6.2 主动型元数据管理的基本特征 85 8.7 本章小结 85 第9章 数据标准 86 9.1 概述 86 9.1.1 数据标准的定义 86 9.1.2 数据标准层级 86 9.2 数据标准的驱动因素 87 9.3 数据标准面临的困难 88 9.4 数据标准的核心内容 88 9.4.1 数据要素供给 88 9.4.2 数据要素流通 89 9.4.3 数据要素开发利用 89 9.4.4 数据要素安全 89 9.5 数据标准的实施指南 89 9.5.1 数据标准规划 90 9.5.2 数据标准制定 91 9.5.3 数据标准发布 94 9.5.4 数据标准执行 94 9.5.5 数据标准维护 95 9.6 数据标准化的评估 95 9.6.1 对数据标准建设的评估 96 9.6.2 对数据标准贯标的评估 96 9.6.3 对数据标准应用成效的评估 97 9.7 本章小结 97 第 10章 数据架构 98 10.1 数据架构的定义 98 10.1.1 DAMA的观点 98 10.1.2 DCMM的观点 98 10.1.3 其他观点 99 10.2 数据架构的核心内容及其演变 99 10.2.1 数据架构的核心内容 99 10.2.2 数据架构的演变 102 10.3 数据架构的实施指南 107 10.3.1 数据架构面临的挑战 107 10.3.2 数据架构的设计原则 107 10.3.3 现状与需求分析 108 10.3.4 数据架构设计的两种 模式 109 10.3.5 数据架构的常见误区 109 10.4 现代数据架构 110 10.4.1 现代数据架构介绍 110 10.4.2 数据架构的未来趋势 110 10.4.3 大数据技术 111 10.5 数据架构评估 111 10.6 本章小结 111 第 11章 数据质量管理 112 11.1 概述 112 11.2 数据质量的概念 112 11.3 数据质量管理的几项原则 113 11.3.1 从关键数据入手 113 11.3.2 “自查”和从源头抓起 114 11.3.3 明确的认责体系是提升数据质量的根本保证 114 11.3.4 建立有效的数据质量指标 115 11.4 数据质量管理的具体工作 116 11.4.1 数据质量管理的大致内容和流程 116 11.4.2 根因分析 117 11.4.3 PDCA方法论 117 11.4.4 数据质量报告 118 11.5 数据质量管理实施的几个要点 119 11.5.1 导致数据质量问题的常见原因 119 11.5.2 数据全生命周期的管理 119 11.5.3 数据质量规则模板 120 11.6 如何评估数据质量管理的成效 121 11.7 本章小结 121 第 12章 数据安全和隐私保护 122 12.1 概述 122 12.1.1 数据安全的定义 122 12.1.2 隐私保护的定义 123 12.1.3 CDO要做好数据安全和隐私保护 123 12.2 数据安全的核心内容 123 12.2.1 数据分类分级 124 12.2.2 数据访问控制 125 12.2.3 应对外部威胁 125 12.2.4 18种数据安全能力 126 12.3 数据隐私保护的核心内容 127 12.3.1 个人信息安全影响评估 128 12.3.2 个人数据保留和删除 129 12.3.3 个人数据处理活动记录 129 12.3.4 个人信息主体权益 130 12.4 数据安全和隐私保护的实施方法 131 12.4.1 数据安全和隐私保护之组织建设 131 12.4.2 数据安全和隐私保护之框架和制度建设 132 12.4.3 数据安全和隐私保护之技术工具 134 12.4.4 数据安全和隐私保护之人员能力培养 136 12.4.5 外包中的数据安全保护 137 12.4.6 CRUD和RACI 137 12.5 数据安全和隐私保护的事件处理 137 12.6 本章小结 139 第 13章 数据合规管理 140 13.1 概述 140 13.1.1 合规 140 13.1.2 合规管理 140 13.1.3 合规风险 140 13.2 合规管理的作用 142 13.3 数据合规义务和风险 143 13.3.1 数据合规义务 143 13.3.2 数据合规风险 143 13.4 合规管理的主要步骤 144 13.4.1 风险识别 144 13.4.2 风险评价 146 13.4.3 识别并排序合规责任人 148 13.4.4 风险控制 149 13.5 合规管理体系及认证 151 13.5.1 组织环境 151 13.5.2 领导作用 152 13.5.3 策划 152 13.5.4 支持 152 13.5.5 运行 153 13.5.6 绩效评价 153 13.5.7 改进 153 13.6 本章小结 153 第 14章 主数据管理 154 14.1 概述 154 14.2 主数据的定义和关键特性 154 14.3 主数据类型 155 14.4 什么是主数据管理 155 14.5 主数据管理面临的挑战 156 14.6 主数据管理的核心内容 156 14.6.1 主数据管理标准体系 157 14.6.2 主数据管理保障体系 158 14.6.3 主数据管理工具 160 14.7 主数据管理的价值 164 14.8 主数据管理的实施方法 164 14.8.1 实施方法及内容 165 14.8.2 实施要点 166 14.9 主数据管理的评价指标 169 14.10 本章小结 169 第 15章 指标数据 170 15.1 概述 170 15.2 指标数据的驱动因素 170 15.2.1 指标数据是组织健康持续发展的需要 170 15.2.2 指标数据是组织经营分析决策的依据 170 15.2.3 指标数据是组织需要管理的重要资产 171 15.3 指标数据的管理原则 171 15.4 指标数据的建设过程 171 15.4.1 编制指标体系框架 171 15.4.2 明确主题所属指标 172 15.4.3 优化完善指标数据 173 15.4.4 制定指标管理体系 174 15.4.5 强化使用指标数据 175 15.5 指标数据的实施指南 176 15.5.1 指标数据的常见问题 176 15.5.2 指标数据的关键管理因素 176 15.5.3 指标数据的度量指标 177 15.6 本章小结 177 第 16章 数据建模 178 16.1 概述 178 16.1.1 什么是数据模型 178 16.1.2 数据建模的一些基本概念 179 16.2 数据模型管理的驱动因素 181 16.2.1 监管合规要求形成有效的数据模型管理机制 181 16.2.2 企业中的数据模型需要长期积累 182 16.2.3 数据生产规范化需要模型开发过程遵循企业数据标准 182 16.3 数据模型的核心内容 182 16.3.1 企业架构与数据架构 182 16.3.2 数据模型驱动的数据治理 184 16.3.3 从数据模型到数据 185 16.3.4 数据模型与数据标准的关系 185 16.3.5 将数据标准应用于数据模型建设 186 16.4 数据模型的实施指南 186 16.4.1 数据模型规范化设计 187 16.4.2 数据模型评审 187 16.4.3 数据模型管理和协作 187 16.4.4 组织架构和流程 188 16.4.5 行业标准化数据模型 189 16.5 数据模型的评估指标 189 16.5.1 数据模型管理成熟度评估模型 190 16.5.2 能力域及能力项的设计 191 16.6 本章小结 191 第 17章 数据集成 192 17.1 概述 192 17.1.1 数据集成的基本概念 192 17.1.2 时延的基本概念 192 17.2 数据集成的过程 193 17.3 数据集成的核心内容 193 17.3.1 数据集成的类型 194 17.3.2 数据集成技术 197 17.3.3 数据集成的新内容 200 17.3.4 数据集成的常见误区 201 17.4 数据集成能力的评估 202 17.5 本章小结 203 第 18章 数据存储 204 18.1 概述 204 18.1.1 数据存储的概念 204 18.1.2 数据存储规划的目标 204 18.2 数据存储规划需要考虑的因素 204 18.2.1 数据的结构特征 204 18.2.2 数据的处理模式 205 18.2.3 数据的全生命周期 206 18.2.4 数据访问的热度 206 18.2.5 数据的存储地点 207 18.2.6 整体性因素 209 18.3 选择数据库系统需要考虑的因素 210 18.3.1 数据库的CAP特性 210 18.3.2 数据库的扩展性 210 18.3.3 不同数据库适用的数据处理场景 213 18.3.4 全能但昂贵的选择——内存数据库 217 18.3.5 面向特定行业的数据库 218 18.4 数据存储的发展趋势 219 18.5 本章小结 219 第 19章 数据管理能力成熟度评估 220 19.1 数据管理能力成熟度评估模型 220 19.1.1 CMMI-DMM模型 220 19.1.2 IBM数据治理能力成熟度模型 222 19.1.3 DCAM 2.0 223 19.1.4 DCMM 224 19.1.5 数据管理能力成熟度评估模型对比分析 225 19.1.6 CDMC 226 19.2 如何开展数据管理能力成熟度评估 226 19.2.1 数据管理能力成熟度评估的实施步骤 227 19.2.2 未来趋势和展望 230 19.3 本章小结 230 第 20章 数据生命周期管理 231 20.1 概述 231 20.1.1 数据生命周期的定义 231 20.1.2 数据生命周期管理的定义 231 20.1.3 常见的数据生命周期管理模型 231 20.2 数据生命周期管理的目标及意义 233 20.3 数据生命周期管理的阶段 233 20.3.1 数据规划 233 20.3.2 数据创建 234 20.3.3 数据传输 234 20.3.4 数据存储 235 20.3.5 数据加工 235 20.3.6 数据使用 236 20.3.7 数据提高 236 20.3.8 数据归档或销毁 236 20.4 数据生命周期管理的评估 237 20.4.1 对数据生成与收集的评估要求 238 20.4.2 对数据加工与处理的评估要求 238 20.4.3 对数据存储与管理的评估要求 238 20.4.4 对数据利用与共享的评估要求 238 20.5 本章小结 238 第 21章 非结构化数据管理 239 21.1 概述 239 21.1.1 概念 239 21.1.2 发展历程 239 21.1.3 现状 240 21.1.4 未来趋势 240 21.2 非结构化数据管理的意义 241 21.2.1 安全合规 241 21.2.2 提效降本 241 21.2.3 业务连续性 241 21.2.4 决策支持 242 21.2.5 洞察创新 242 21.2.6 权益保障 242 21.2.7 资产增值 242 21.2.8 记忆（历史）留存 242 21.3 非结构化数据管理的核心内容 242 21.3.1 文档管理 243 21.3.2 工作流 244 21.3.3 协作 244 21.3.4 影像管理 244 21.3.5 门户 244 21.3.6 知识管理 245 21.3.7 数字资产管理 245 21.3.8 网页内容管理 245 21.4 非结构化数据管理的建设方法 246 21.5 本章小结 247 第 22章 数据分析和挖掘 248 22.1 概述 248 22.2 数据分析与数据挖掘的异同 248 22.3 数据分析的核心内容 249 22.3.1 数据分析理论和方法 249 22.3.2 数据分析工具 249 22.3.3 数据分析应用 250 22.4 数据挖掘的核心内容 251 22.4.1 传统意义上的数据挖掘 252 22.4.2 大数据背景下的数据探索 254 22.4.3 数据挖掘工具 256 22.4.4 数据挖掘应用 256 22.5 数据分析和挖掘的应用场景 258 22.5.1 客户管理 258 22.5.2 产品管理 259 22.5.3 营销管理 259 22.5.4 绩效管理 259 22.5.5 风险管理 260 22.5.6 财务管理 260 22.6 数据分析和挖掘的实施方法 261 22.6.1 数据分析的实施方法 261 22.6.2 数据挖掘的实施方法 262 22.7 本章小结 263 第 23章 数据伦理 264 23.1 概述 264 23.1.1 遵守伦理是企业开展业务活动的底线 264 23.1.2 企业需要遵守数据伦理 264 23.2 数据伦理面临的问题及典型案例 265 23.2.1 数据伦理面临的问题 265 23.2.2 数据伦理问题的典型案例：Facebook定向广告推送事件 268 23.3 数据伦理治理的核心内容 268 23.3.1 国内外数据伦理与隐私保护实践 268 23.3.2 数据伦理的基本准则 269 23.3.3 数据伦理治理的基本方法 270 23.4 本章小结 272 第 24章 数据开放与共享 273 24.1 概述 273 24.1.1 基本概念 273 24.1.2 数据开放与共享的历史回顾 273 24.1.3 数据开放与共享的价值路径 276 24.2 数据开放与共享的建设意义 276 24.3 数据开放的核心内容 277 24.3.1 什么是数据开放 277 24.3.2 数据开放的关键 278 24.4 数据共享的核心内容 280 24.4.1 什么是数据共享 280 24.4.2 数据共享的关键 281 24.5 数据开放与共享的实施方法 281 24.5.1 数据开放与共享的资源体系 282 24.5.2 数据开放与共享的建设路径 282 24.5.3 数据开放与共享的运行机制 283 24.6 本章小结 284 第三篇 做好转型 第 25章 数字化转型与数字文化 286 25.1 概述 286 25.1.1 数字化和数字化转型 286 25.1.2 数字化与信息化的区别 287 25.1.3 数字文化和数据素养 287 25.2 数字化转型的驱动因素 288 25.2.1 外部驱动因素 288 25.2.2 内部驱动因素 288 25.3 数字文化的核心内容 289 25.3.1 数据思维 289 25.3.2 与客户共创 289 25.3.3 协同开放 290 25.3.4 创新包容 290 25.3.5 持续学习 290 25.3.6 崇尚科技 290 25.4 数字化转型的实施指南 291 25.4.1 树立紧迫感 291 25.4.2 沟通和设计愿景 291 25.4.3 建立数据型组织 291 25.4.4 积累短期，驱动长期 291 25.4.5 成果融入文化 291 25.4.6 动态调整，时刻检视 292 25.5 数字文化建设的评估指标 292 25.5.1 企业数字文化建设成果的评估指标 292 25.5.2 企业数字文化建设能力的评估指标 293 25.6 本章小结 293 第 26章 数据要素 294 26.1 概述 294 26.1.1 背景 294 26.1.2 定义 295 26.2 数据要素识别 296 26.3 数据确权 296 26.4 数据要素价值评估 297 26.4.1 数据权属确定 297 26.4.2 数据资产边界确定 297 26.4.3 数据资产成本计量评估 297 26.4.4 数据要素价值评估 299 26.4.5 探索资本服务 299 26.5 数据交易 299 26.5.1 交易标的物 299 26.5.2 参与主体 300 26.5.3 定价 300 26.5.4 风险提示 300 26.6 数据入表 300 26.7 本章小结 301 第 27章 公共数据授权运营 302 27.1 概述 302 27.1.1 政策背景 302 27.1.2 现状与实践 302 27.1.3 问题与挑战 305 27.2 授权运营方式 306 27.3 授权运营的实现路径 307 27.3.1 建立主体机制（组织框架搭建） 307 27.3.2 规范行为制度（政策文件支持） 307 27.3.3 选择建设模式（确定授权主体和授权方式） 308 27.3.4 搭建授权运营平台 308 27.3.5 设计收益分配 309 27.3.6 形成授权运营生态 309 27.4 本章小结 310 第四篇 建好团队 第 28章 数据团队建设 312 28.1 数据团队的组织架构 312 28.2 组织架构建设的指导原则 313 28.3 建立数据团队认责机制 314 28.4 数据团队的构
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价